芯片公司,股价暴跌
周三盘后交易中,芯片设计公司Cerebras Systems的股价暴跌约 16%,此前该公司公布的季度营收未达预期。该股在常规交易中收盘上涨 11.6%,本周迄今已上涨 15.5%。
虽然人工智能的蓬勃发展已经释放了数十亿美元的芯片和基础设施支出,但 Cerebras 仍然面临着证明其业务能够盈利规模化的压力。来自英伟达的竞争尤为激烈。该公司已加大力度,利用从初创公司 Groq 获得的技术,抢占快速增长的人工智能推理市场。
任何客户接受度放缓或前景谨慎的迹象都可能加深人们对 Cerebras 能否从市场领导者手中夺取市场份额的怀疑。
尽管如此,Cerebras 还是提高了年度收入和毛利率预期,并表示其并未像其他芯片设计商那样面临严重的供应短缺问题。
Cerebras 的旗舰级晶圆级引擎 (WSE) 是一块餐盘大小的单芯片,包含数万亿个晶体管。该公司表示,这种设计比英伟达将数千个较小的图形处理器连接在一起更高效。
该公司既销售计算硬件,也通过云业务提供芯片访问服务。云业务收入较去年同期增长近四倍,达到1.26亿美元。但其硬件销售额从去年同期的7030万美元下降至5410万美元。
片上存储器将为供应带来福音
Cerebras 首席执行官 Andrew Feldman 在接受路透社采访时表示,将内存直接放在芯片上减轻了内存价格飙升的影响,使 Cerebras 在与英伟达竞争方面处于更有利的地位。
“英伟达的价格飙升是因为HBM显存的价格上涨,”费尔德曼说道,他指的是人工智能处理器中包含的高带宽显存。“这是一场激烈的竞争,如果他们无法交付产品,或者他们的组件价格大幅上涨,当然这对他们有利。”
先进的人工智能芯片生产集中在台湾的台积电,该公司面临着硅晶圆产能短缺的问题,而这些硅晶圆是采用其最先进的制造工艺生产的,被AMD和英伟达等公司使用。
Cerebras 使用台积电的 5 纳米工艺制造其餐盘大小的芯片,这意味着该公司可以更容易地获得供应,因为它“比 2 纳米和 3 纳米节点的压力要小”,Feldman 说。
这家总部位于加州桑尼维尔的公司预计 2026 年调整后收入将在 8.8 亿美元至 8.9 亿美元之间,高于此前预测的 8.55 亿美元至 8.65 亿美元。
“我们在实现剩余254亿美元(预计未来确认的合同收入)的卓越增长所需的关键领域取得了快速进展,并计划在2027年将收入提高三倍以上,”首席财务官鲍勃·科明表示。
预计年度调整后毛利率为41%至43%,高于此前预测的38%至41%。根据伦敦证券交易所集团(LSEG)汇编的数据,分析师平均预期为35.89%。
第二季度销售额增长74.3%至1.8011亿美元,而分析师预期为1.9423亿美元。经调整后的亏损为691万美元,低于去年同期的4050万美元亏损。
Cerebras 也在竞相扩大芯片产量,以支持与 OpenAI 达成的价值 200 亿美元的多年期协议,该协议将为 OpenAI 提供人工智能计算服务。这项交易被视为证明其估值合理性的关键。
(来源:编译自路透)
相关推荐
-
物联网变送器:场景闭环中的选型陷阱与隐性损耗真相
8选型误区与生产损耗:场景闭环的“隐形杀手”在实际交付中,我们发现物联网变送器的选型远非“参数匹配”这么简单。很多标称数据背后的真相是:实验室环境与生产现场的差距,足以让一款“完美参数”的变送器沦为“鸡肋”。选型陷阱:场景适配比参数更重要很多用户选型时只盯着“精度0.1%”、“量程0-100℃”这些标称数据,却忽略了场景闭环中的关键变量——比如电磁干扰、温度漂移、长期稳定性。听起来可能反直觉,但变送...
查看全文 -
电饭煲芯片的伪需求:揭开选型背后的技术迷雾
2电饭煲芯片的伪需求:揭开选型背后的技术迷雾在实际交付中,我们发现一个令人困惑的现象:很多客户在选型时,执着于追求电饭煲芯片的“高精度”“多功能”,甚至要求支持所谓的“智能烹饪算法”。听起来可能反直觉,但这些需求往往只是伪需求,真正决定产品表现的,是底层逻辑中的稳定性与抗干扰能力。选型误区:被数据绑架的“高精度”很多标称数据背后的真相是,所谓的“高精度”在电饭煲这种低动态、低复杂度的应用场景中,几乎...
查看全文 -
端侧AI处理器:场景闭环的真相与生产现场的隐性损耗
9端侧AI处理器:场景闭环的真相与生产现场的隐性损耗在实际交付中,我们发现端侧AI处理器的选型,远比参数表上的数字复杂。很多客户拿着“TOPS/W”的标称数据来对比,却忽略了场景闭环的底层逻辑——功耗、延迟、算力利用率,这些才是决定产品表现的关键。听起来可能反直觉,但端侧AI的“高效”,往往不是靠堆算力,而是靠精准匹配场景需求。选型误区:标称数据的“陷阱”很多标称数据背后的真相是:实验室环境与生产现...
查看全文 -
BMS电池管理芯片韧性测试:撕开标称数据的“遮羞布”
11韧性测试不是“过家家”:选型误区与生产现场的隐性博弈很多标称数据背后的真相是,BMS电池管理芯片的“韧性测试”正在被严重低估。选型时,工程师往往盯着“-40℃~125℃工作温度”“0.1% SOC估算精度”这类纸面参数,却忽略了实际交付中,芯片在复杂工况下的“韧性崩溃”——比如高温老化后SOC跳变、低温启动时采样失真,甚至在电池组均衡时因电流冲击直接宕机。这些问题的根源,藏在“韧性测试”的底层逻辑...
查看全文 -
智能变送器替换成本:别被标称参数蒙蔽双眼
6选型陷阱与隐性损耗:一场被忽视的成本战争在实际交付中,我们发现很多客户在替换智能变送器时,第一反应是比对“量程范围”“精度等级”“响应时间”这些标称参数。听起来可能反直觉,但这些数据在实验室环境下或许成立,到了生产现场却可能完全失效——尤其是当设备需要24小时连续运行、承受电磁干扰、应对温度剧烈波动时,所谓的“高精度”可能连基本稳定性都保证不了。选型误区:参数漂亮≠能用很多标称数据背后的真相是:它...
查看全文 -
家用音频芯片选型:避开“参数陷阱”,直击应用场景适配本质
9家用音频芯片选型:别被“参数表”骗了,场景适配才是硬道理在实际交付中,我们发现一个扎心现象:很多客户拿着“高信噪比、低失真”的芯片参数表来选型,结果装到产品里,声音要么干瘪刺耳,要么动态范围被压缩得像被掐住脖子。问题出在哪?家用音频芯片的选型,从来不是“参数越高越好”的简单逻辑,而是要穿透标称数据,直击应用场景的底层适配逻辑。选型误区:参数表的“甜蜜陷阱”很多标称数据背后的真相是——实验室环境与真...
查看全文

hth·华体